findcontours函數詳解

一、findcontours函數介紹

在計算機視覺和圖像處理中，輪廓是一個形狀的邊界，由連續的點組成。findcontours函數是OpenCV中處理輪廓的重要函數之一，它用於找到二值圖像中所有物體的輪廓。

二、findcontours函數解析

findcontours函數的基本語法如下：

cv2.findContours(image, mode, method[, contours[, hierarchy[, offset]]])

其中，參數image表示輸入的二值圖像；mode表示輪廓的檢索模式，有RETR_EXTERNAL、RETR_LIST、RETR_CCOMP和RETR_TREE等模式可供選擇；method表示輪廓的近似方法，有CHAIN_APPROX_NONE、CHAIN_APPROX_SIMPLE、CHAIN_APPROX_TC89_KCOS等方法可供選擇。contours表示輸出的輪廓，hierarchy表示輪廓的層次信息，offset表示進行輪廓查找時的偏移量。

下面是findcontours函數示例：

import cv2
import numpy as np

img = cv2.imread("test.jpg")

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
ret, thresh = cv2.threshold(gray, 127, 255, 0)

contours, hierarchy = cv2.findContours(thresh, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

cv2.drawContours(img, contours, -1, (0, 255, 0), 3)

cv2.imshow("Contours", img)
cv2.waitKey(0)
cv2.destroyAllWindows()

上面的代碼首先載入一張圖片，將其轉換成灰度圖像，並使用閾值處理生成二值圖像。然後使用findcontours函數獲取圖像中所有物體的輪廓，並將其繪製在原圖上展示出來。

三、findcontours函數原理

findcontours函數的實現原理是通過掃描整張二值圖像，找到所有的輪廓，並將其存儲在一個輪廓的向量中。首先對輸入圖像進行二值化處理，然後使用指定的輪廓檢索模式和近似方法查找輪廓。在輪廓的查找過程中，使用的是逐像素比較法，從而確定圖像中每個像素的歸屬，最終得到所有輪廓的坐標。

在findcontours函數中，輪廓的檢索模式和近似方法是非常重要的參數。檢索模式決定了找到的輪廓的包含關係，具體而言，RETR_EXTERNAL模式只會返回最外面的輪廓，而RETR_TREE模式會返回所有的輪廓及其嵌套關係。近似方法則影響了輪廓的平滑度，CHAIN_APPROX_SIMPLE方法會忽略所有的不必要的點，從而得到平滑的輪廓。

四、findcontours函數應用

findcontours函數廣泛應用於計算機視覺和圖像處理領域，可以用於檢測圖像中的所有物體、計算物體的周長和面積、提取物體的邊緣信息等。下面是一些findcontours函數的應用案例。

1、輪廓匹配

輪廓匹配是一種利用輪廓形狀進行物體識別和匹配的方法。可以使用findcontours函數提取物體輪廓，並使用matchShapes函數計算兩個輪廓間的相似度。下面是一個輪廓匹配的示例：

import cv2
import numpy as np

template = cv2.imread('template.jpg',0)
target = cv2.imread('target.jpg',0)

ret, thresh1 = cv2.threshold(template, 127, 255, 0)
ret, thresh2 = cv2.threshold(target, 127, 255, 0)

contours, hierarchy = cv2.findContours(thresh1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
contour1 = contours[0]

contours, hierarchy = cv2.findContours(thresh2, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
contour2 = contours[0]

ret = cv2.matchShapes(contour1, contour2, 1, 0.0)

print(ret)

2、形態學操作

形態學操作是指對圖像進行形狀變換的處理方法，包括腐蝕、膨脹、開運算、閉運算等。可以使用findcontours函數提取物體輪廓，並將輪廓和形態學操作相結合，實現特定目的。下面是一個形態學操作的示例：

import cv2
import numpy as np

img = cv2.imread('test.jpg', 0)

ret, thresh = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY_INV)

kernel = np.ones((5,5), np.uint8)

opening = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)

contours, hierarchy = cv2.findContours(opening, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

cv2.drawContours(img, contours, -1, (0, 255, 0), 2)

cv2.imshow('Contours', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

3、邊緣檢測

邊緣檢測是指檢測圖像中明暗變化的方法，包括Sobel運算元、Canny運算元等。可以使用findcontours函數提取物體輪廓，並將輪廓和邊緣檢測相結合，增強圖像的邊緣信息。下面是一個邊緣檢測的示例：

import cv2
import numpy as np

img = cv2.imread('test.jpg',0)
edges = cv2.Canny(img, 100, 200)

contours, hierarchy = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

cv2.drawContours(img, contours, -1, (0, 255, 0), 2)

cv2.imshow('Contours', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

五、總結

findcontours函數是OpenCV中處理輪廓的重要函數之一，可以用於找到二值圖像中所有物體的輪廓。在使用findcontours函數時，需要重點考慮輪廓的檢索模式和近似方法，以達到最佳的輪廓檢測效果。通過相應的應用案例，我們可以更直觀地了解findcontours函數的實現原理和使用方法。